标签
本文介绍了TourSynbio-Search，一个由LLM驱动的智能体框架，用于跨文献和生物数据库的统一蛋白质工程搜索。该框架由TourSynbio-7B多模态模型驱动，包含PaperSearch和ProteinSearch两个组件。
Yu Su 的团队在有限的学术预算下训练了一个前沿的 Deep Research Agent，使用 8K 合成样本和强化学习，并发布了完全开放的训练基础设施和从 2B 到 35B 参数的模型。
作者测试了 Apodex 4B-SFT 和 35B mini 模型，发现 4B-SFT 在多跳搜索任务中超越其他 4B 模型且无幻觉，并指出将答案检查与生成分离的设计理念。
LongTraceRL 引入了分层干扰项构建和规则奖励设计，以通过强化学习改善语言模型中的长上下文推理。该方法通过知识图谱随机游走生成多跳问题，并利用搜索代理轨迹构建具有挑战性的干扰项，规则奖励提供实体级过程监督。